パーソナライズされたテキスト生成は、モデルが一貫したテキストを生成するだけでなく、ターゲットユーザーのスタイルやトーン、トピックに合わせることも必要です。既存のアプローチは、ユーザーの履歴を使用しますが、生成段階でトーンやトピックがずれることが多いです。本研究では、PerFineという新しい批評・洗練フレームワークを提案し、反復的なフィードバックを通じてパーソナライズを強化します。このフレームワークでは、生成者がプロフィールに基づいてドラフトを作成し、批評者がそのドラフトについて構造的なフィードバックを提供します。生成者はそのフィードバックをもとにドラフトを修正し、最も優れたドラフトを保持する新しい戦略を導入します。各データセットで一貫してパーソナライズの改善が見られ、モデルに依存しない強力なフレームワークであることが示されました。